基于基本笔画笔压特征的手写汉字笔迹鉴定的研究

基于汉字笔迹鉴定的有效特征主要蕴含于基本笔画运笔中的设想，提出以手写汉字基本笔画为研究对象，抽取其中笔压变化特征，形成特征空间，求得鉴定对象在特征空间中分布，并计算它与辞书中各书写者之间的广义距离，从而实现笔迹的鉴定．本研究选用10位书写者，四种基本笔画，每种基本笔画采用10个样本进行了实验．其结果证实了本方法完全克服了以往笔迹鉴定研究中结体依存性带来的不足，只需对少数基本笔画的研究就对全体汉字有效，大大缩小了辞书空间．     

基于基本笔画起收笔特征的手写汉字的笔迹鉴定

作者基于汉字基本笔画起收笔中蕴含丰富的个人特征的设想,提出以手写汉字基本笔画为研究对象,抽取其中起收笔特征,形成特征空间,求得鉴定对象在特征空间中的分布,并计算它与辞书中各书写者之间的广义距离,从而实现笔迹鉴定.该研究选用10位书写者,4种基本笔画,每种基本笔画采用10个样本进行实验.结果证实此方法完全克服了以往笔迹鉴定研究中结体依存性带来的不足,只需对少数基本笔画的研究就对全体汉字有效,进一步验证了基于基本笔画的笔迹鉴定研究方法的可行性和有效性.     

基于笔画平面和模糊隶属度的手写体汉字识别

基于笔画平面抽取和动态网格划分,提出一种笔画平面与模糊隶属度相结合的手写体汉字特征提取方法,该方法克服了汉字特征抽取过程中因笔画粗细不均、笔画长短变形等引起的特征抽取不稳定问题.其基本思想是：用动态网格将汉字图像分别划分为横、竖、撇、捺4个笔画平面,并赋予每个网格中的点模糊隶属度,针对每个网格求加权累积直方图,最终获得汉字特征.基于南京理工大学NUST603HW手写汉字库的实验结果表明,该汉字特征抽取方法是有效的.     

直线关节型书写机器人书写笔迹特征的研究

目的利用笔迹特征分析直线关节型书写机器人的笔迹,找出其与手写笔迹的符合点和差异点并分析形成的原因,为笔迹鉴定提供依据。方法采用形态学研究方法,对书写机器人的笔迹和手写笔迹的特征进行比较研究。结果机器人书写的笔迹在概貌特征、局部安排特征、写法特征、错别字特征、搭配比例特征、笔顺特征上基本可以做到与真实笔迹高度相似,在运笔特征和笔痕特征上存在可供检验的特征点。结论起收笔特征、行笔笔法特征、连笔形态特征、连笔笔力特征、划痕与压痕特征、粗细与浓淡特征可为鉴别机器人书写笔迹与手写笔迹提供检验依据。     

基于无线传输的笔迹记录分析系统

鉴于目前笔迹记录、分析耗时费力,笔迹记录装置使用时空受限、操作不便且价格昂贵等困境,提出了一种基于无线传输的笔迹记录分析系统.可实时准确地记录、分析书写笔迹的字体大小、行列倾斜度、运笔力度、书写速率等特征,有利于提高笔迹心理测试和分析的效率与可靠性.系统的应用领域较为广泛,特别适用于高校的心理健康教育领域.     

无拇指辅助书写笔迹特征的实验研究

目的为无拇指辅助情况下两类执笔方式书写笔迹的检验鉴定提供参考依据。方法收集60名不同书写水平者3类执笔方式的书写笔迹,提取并比对不同执笔方式笔迹的主要特征,统计各类笔迹特征的分布情况,并对特征进行归纳和分析。结果无拇指辅助情况下两类执笔方式书写笔迹主要表现出9种特征,这些特征可作为本质特征使用。性别差异影响主要表现在女性书写者的书写能力水平稍高于男性书写者。结论无拇指辅助情况下两类执笔方式书写笔迹检验要结合人体生理结构与笔迹形成的关系,综合分析笔迹形成的条件和变化规律,对符合点和差异点进行客观综合评断。     

关于汉字视觉心理尺度评价的有效特征抽取

将汉字的视觉心理尺度这一连续的、无法用物理量直接分析评价的问题进行离散化,利用模式识别的手法加以研究.根据形状知觉尤其是汉字知觉的心理法则,抽取与汉字视觉心理尺度相关的黑点数、一次心距、二次心距等量张成特征空间.调查事先经专家认定在视觉心理上分属于大、中、小三集团的汉字在该特征空间中分布情况.经实验可知该分布有良好的聚类,证实了该特征集对汉字视觉心理尺度分类的有效性.     

计算机辅助汉字笔顺书写的研究

信息时代各种电子录入技术的广泛应用,给一笔一画写汉字带来了冲击,人们逐渐忽略了汉字的笔画顺序.基于这一现状,提出了一种计算机辅助汉字笔顺书写软件的设计思想和实现模型,在对汉字进行笔画编码和字库设计的基础上,设计了笔画书写系统,该系统能满足笔画练习、查询和演示教学的应用需求.     

常用书写工具字迹交叉笔画时序的实验研究

判断书写字迹交叉笔画的时序,可为笔迹检验中确定单字的笔顺特征和确定文件是否发生添加改写等事实提供重要依据。我们制作了钢笔、圆珠笔、签字笔、铅笔、复写纸等常见书写色料书写的交叉笔画实验材料,利用德国蔡司(ZEISS)三维立体显微镜观察笔画交叉部位的表观现象,并用显微照相的方法进行记录、固定,总结了常见的同种和不同种书写工具书写字迹笔画交叉部位的形貌特征。     

浅谈硬笔楷书笔画书写的技法

汉字书写是一门艺术,要写好汉字需要掌握一系列技法,其中最基本的是笔画的书写技法。汉字共有八类笔画,分别是点、横、竖、撇、捺、钩、提、折。每个笔画都有其独特的书写特点和技法,本文对硬笔楷书笔画的书写特点与技法一一作了探述。     

基于结构特征的汉字识别

提出一种基于文字结构特征的神经网络手写汉字识别策略 ,根据所提取的文字笔画方向、基本轮廓和交叉点等特征 ,采用基于自组织神经网络的模式聚类该方法完成正规手写文字的识别 .该方法提取的笔画轮廓十分准确有效 ,对手写汉字的约束少 ,可识别的汉字数量大 ,在仿真实验中有效地识别了绝大多数手写汉字     

兼顾连笔和笔顺的联机手写汉字识别方法

为解决联机手写汉字识别技术中兼顾连笔和笔顺的难题，提出了联机手写汉字的模糊属性关系图描述和基于知识的松驰匹配方法。该方法能充分描述汉字结构、对手写变形不敏感，并具有良好的连笔字识别能力和适应不同笔顺的特点。基于上述方法，作者实现了一个联机手写汉字识别系统。实验结果表明，本方法能够有效地增加对于低限制书写汉字的识别正确率，并具有较好的抗噪声能力。经过２２５３０汉字测试，首位识别率达９８．８％，前十位识别率达９９．７％。     

手写体信函地址汉字切分

目前多数汉字识别系统仍基于单个汉字的逐个识别,因此对字符进行有效的切分,是离线汉字识别的一项重要工作,根据汉字手段写体的特点,在方差最小原理基础下,提出多步切分算法（粗分－细分－合并）和穿越算法,首先根据字段间间隔,用最小距离聚类的方法,得到5组粗分结果,从中选出最接近理想的一种,用改变类间距离和穿越算法,对较宽的字段进行细分,最后将过细的分割部件合并成一个完整的字,对现场采集的3000封信函进行切分,单字正确率可达90．8％。     

有限集手写体汉字特是取及分类器设计

介绍了手写体汉字特征提取的基本概念，采用了一种叠合网络加权笔画提取方法用于提取有限集汉字特征。通过对径向基函数网络（RBF网络）的模型分析，提出了一种组合RBF网络分类器应用于有限集手写体汉字识别，并利用结合遗传算法和模拟退火算法的混合优化策略进行RBF分类器的训练。     

基于BP神经网络的湘西民间方块苗文特征提取方法

分析湘西民间方块苗文文字的结构特性,提取表征文字特性的特征并构造特征矩阵,然后利用BP神经网络和方块苗文手写体字库训练出苗文的识别系统,并使用此系统对手写的方块苗文文字进行识别和分类.     

基于子笔划的手写体汉字识别

该文给出一种汉字子笔划的提取方法 ,较好地解决了因子笔划相交 ,使提取的同类字符子笔划不稳定问题。引入了字符的固定部件划分方法及特征矩阵的概念。字符部件中包含各类子笔划的位置、长度等信息 ,特征矩阵是这些信息的集中体现。设计了一种新的遗传算法 ,由未知字符一个部件的一类子笔划表示的字符与某类模型的相似度 ,既由与其它 3类子笔划相应的相似度调节 ,又由与周围部件同类子笔划相应的相似度调节。实验表明 ,该手写体汉字识别方法是有效的     

基于组合特征的多分类器集成的脱机手写体彝文字识别

组合特征的多分类器集成是提高脱机手写体字符识别率的一种发展趋势,选用2组具有统计特征的组合特征对脱机手写体彝文字进行识别:第1组,使用应用广泛的弹性网格特征、笔划密度特征;第2组,使用方向线素特征和投影特征;同时本文提出一种基于笔划粗切割的特征提取方法用于彝文字的结构特征的提取.最后通过多分类器集成方案输出识别结果.实验结果表明,该方法能得到比较理想的识别效果.     

计算机汉字识别和静态手写汉字签名鉴定技术综述

经过训练、高质量的摹仿手写汉字签名给文件检验工作者提出了挑战,使传统的特征比对方法显得力不从心,据此本文提出采用计算机进行精确、快速的静态手写汉字签名鉴定。对于静态手写汉字签名鉴定,如何选择良好的特征和对选择的特征进行描述,使描述后的特征具有相对的稳定性,特征描述模型很好地反映书写者的生物特征而不是汉字本身的内容,是计算机静态手写汉字签名鉴定问题首先要解决的问题。     

基于动态规划的联机手写汉字分割方法

为解决手写汉字文本的自动切分问题,提出了一种基于动态规划的联机手写汉字分割方法.该方法根据手写笔画的结构特征、笔顺信息以及神经网络分类器给出的类概率构造代价函数,并将其分别应用于手写句子的预分割和基于识别的分割过程,然后利用动态规划算法寻找最佳分割路径.预分割在保持较低误分割率的前提下,可以有效地降低候选分割块的数量,以加速分割过程.实验结果表明,预分割的误分割率为0.57%,过分割率仅为11.1%;在未应用语言模型的情况下,最终的正确分割率为88.2%.